中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
Python算法交易 版權信息
- ISBN：9787519869694
- 條形碼：9787519869694 ; 978-7-5198-6969-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
Python算法交易 本書特色
雖然算法交易曾經是機構參與者的專屬領域，但是現在已經開放給了使用在線平臺的小型組織和個人交易者。今天Python及其強大的軟件包生態系統是許多交易者首S選的工具。在這本非常實用的書中，本書作者向學生、學者及從業者展示了如何在有趣的算法交易領域使用Python。 你將學習幾種在不同方面應用Python進行算法交易的方法，例如如何回測交易策略，以及如何與在線交易平臺交互。一些非常大的買方和賣方機構都大量使用Python。通過探索系統地構建和部署自動算法交易策略，本書將幫助你實現公平競爭。
Python算法交易 內容簡介
本書的主要內容有：為算法交易配置合適的Python環境。了解如何從公共和專有數據源檢索金融數據。使用NumPy和pandas探索金融分析的矢量化。掌握不同算法交易策略的矢量化回測。使用機器學習和深度學習生成市場預測。使用套接字編程工具對流數據進行實時處理。使用OANDA和FXCM交易平臺實施自動算法交易策略。
Python算法交易 目錄
前言
第1章 Python和算法交易
1.1 Python的金融之道
1.1.1 Python與偽代碼
1.1.2 NumPy和向量化
1.1.3 pandas和DataFrame類
1.2 算法交易
1.3 Python的算法交易之道
1.4 本書的重點和先決條件
1.5 交易策略
1.5.1 簡單移動平均線
1.5.2 動量策略
1.5.3 均值回歸
1.5.4 機器學習和深度學習
1.6 小結
1.7 參考資料和延伸資源
第2章 Python基礎架構
2.1 Conda作為軟件包管理器
2.1.1 安裝Miniconda
2.1.2 Conda的基本操作
2.2 Conda作為虛擬環境管理器
2.3 使用Docker容器
2.3.1 Docker鏡像和容器
2.3.2 構建一個帶Python的Ubuntu Docker鏡像
2.4 使用云實例
2.4.1 RSA公鑰私鑰
2.4.2 Jupyter Notebook配置文件
2.4.3 Python和Jupyter Lab的安裝腳本
2.4.4 編排Droplet初始化腳本
2.5 小結
2.6 參考資料和延伸資源
第3章 處理金融數據
3.1 從不同數據源讀取金融數據
3.1.1 數據集
3.1.2 用Python讀取CSV文件
3.1.3 使用pandas從CSV文件讀取
3.1.4 導出到Excel和JSON
3.1.5 從Excel和JSON讀取數據
3.2 使用開放數據源
3.3 Eikon數據API
3.3.1 獲取結構化歷史數據
3.3.2 獲取非結構化歷史數據
3.4 高效存儲金融數據
3.4.1 存儲DataFrame對象
3.4.2 使用TsTables
3.4.3 用SQLite3存儲數據
3.5 小結
3.6 參考資料和延伸資源
3.7 Python腳本
第4章 掌握向量化回測
4.1 利用向量化
4.1.1 使用Numpy進行向量化
4.1.2 使用pandas進行向量化
4.2 基于簡單移動平均線的策略
4.2.1 入門基礎
4.2.2 方法通用化
4.3 基于動量的策略
4.3.1 基礎入門
4.3.2 方法通用化
4.4 基于均值回歸的策略
4.4.1 基礎入門
4.4.2 方法通用化
4.5 數據窺探和過度擬合
4.6 小結
4.7 參考資料和延伸資源
4.8 Python腳本
4.8.1 SMA回測類
4.8.2 動量回測類
4.8.3 均值回歸回測類
第5章 通過機器學習預測市場動向
5.1 使用線性回歸進行市場走勢預測
5.1.1 線性回歸快速回顧
5.1.2 價格預測的基本思路
5.1.3 預測指數水平
5.1.4 預測未來收益
5.1.5 預測未來市場方向
5.1.6 基于回歸策略的向量化回測
5.1.7 概括方法
5.2 使用機器學習進行市場動向預測
5.2.1 scikit-learn的線性回歸
5.2.2 一個簡單的分類問題
5.2.3 使用邏輯回歸預測市場方向
5.2.4 方法通用化
5.3 使用深度學習進行市場走勢預測
5.3.1 再談簡單分類問題
5.3.2 使用深度神經網絡預測市場方向
5.3.3 添加不同類型的特征
5.4 小結
5.5 參考資料和延伸資源
5.6 Python腳本
5.6.1 線性回歸回測類
5.6.2 分類算法回測類
第6章 構建基于事件回測的類
6.1 回測基礎類
6.2 做多回測類
6.3 多空回測類
6.4 小結
6.5 參考資料和延伸資源
6.6 Python腳本
6.6.1 回測基礎類
6.6.2 做多回測類
6.6.3 多空回測類
第7章 使用實時數據和套接字
7.1 運行一個簡單的實時數據服務器
7.2 連接報價數據客戶端
7.3 實時生成交易信號
7.4 使用Plotly可視化流數據
7.4.1 基礎部分
7.4.2 三個實時流
7.4.3 三個流的三個子圖
7.4.4 流式數據與柱線圖
7.5 小結
7.6 參考資料和延伸資源
7.7 Python腳本
7.7.1 樣例報價數據服務器
7.7.2 報價數據客戶端
7.7.3 動量在線算法
7.7.4 為柱線圖提供樣例數據的服務器
第8章 使用Oanda進行CFD交易
8.1 開設賬戶
8.2 Oanda應用程序接口
8.3 獲取歷史數據
8.3.1 查詢可交易的金融工具
8.3.2 基于分鐘柱線圖回測的動量策略
8.3.3 杠桿和保證金因素
8.4 處理流式數據
8.5 下訂單
8.6 實時實施交易策略
8.7 獲取賬號信息
8.8 小結
8.9 參考資料和延伸資源
8.10 Python腳本
第9章 使用FXCM進行外匯交易
9.1 入門
9.2 獲取數據
9.2.1 獲取報價數據
9.2.2 獲取K線數據
9.3 使用API
9.3.1 獲取歷史數據
9.3.2 獲取流數據
9.3.3 下單
9.3.4 賬戶信息
9.4 小結
9.5 參考資料和延伸資源
第10章 自動化交易操作
10.1 資本管理
10.1.1 二項式設置中的凱利準則
10.1.2 股票和指數里的凱利準則
10.2 基于機器學習的交易策略
10.2.1 向量回測
10.2.2 *優杠桿
10.2.3 風險分析
10.2.4 持久化模型對象
10.3 實時算法
10.4 基礎設施和部署
10.5 日志和監控
10.6 可
展開全部
Python算法交易 作者簡介
Yves J. Hilpisch是The Al Machine和The Python Quants兩個組織的創始人兼首席執行官，這個組織專注于在金融數據科學、人工智能，算法交易和計算金融領域使用開源技術。他還是《Artificial Intelligence in Finance》（O'Reilly），《 Python for Finance》（O'Reilly），《Derivatives Analytics with Python》（Wiley），《Listed Volatility and Variance Derivatives》（Wiley）的作者，Yves還在量化金融認證（CQF）項目進行人工智能算法交易的講座。
書友推薦
- >
自卑與超越
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
伊索寓言-世界文學名著典藏-全譯本
- >
史學評論
- >
姑媽的寶刀
- >
羅庸西南聯大授課錄
- >
中國歷史的瞬間
本類暢銷
